单步上阶过程中多关节协同稳定前后和垂直足尖间隙

《Journal of Biomechanics》：Multi-joint synergies stabilize anteroposterior and vertical toe clearance during single-step ascent

　　

单步上阶（single-step ascent, SSA）需要精确控制足部轨迹，因为足尖间隙不足或过度可能增加绊倒风险、损害平衡或降低运动效率。研究人员预期前后和垂直足尖轨迹由多关节协同稳定，特别是在三个关键事件：前后间隙（anteroposterior clearance, APC）、垂直间隙（vertical clearance, VC）和最大足尖高度（maximum toe height, HMAX）。本研究旨在(i)确定可靠的不稳流形（Uncontrolled Manifold, UCM）结果所需的最小试验次数，(ii)检验多关节协同是否在APC、VC和HMAX处稳定足尖位置，以及(iii)比较这些事件间的协同强度。十六名健康成年人（20–40岁）进行60次SSA，踏上17厘米高的台阶。运动学数据用于计算足尖轨迹和关节角度（踝关节、膝关节、髋关节和骨盆）。协同作用通过UCM框架量化，将方差分解为UCM内的分量（V_UCM）和正交分量（V_ORT），并计算协同指数（ΔV_Z）。约需40次试验才能获得可靠估计。所有三个事件的ΔV_Z值均显著大于零（APC: 0.39?±?0.27; VC: 0.50?±?0.32; HMAX: 0.85?±?0.43），表明足尖位置得到稳定。协同强度在HMAX处更大，由V_UCM增加驱动，而V_ORT保持不变。这些发现表明中枢神经系统通过多关节协同稳定SSA过程中的足尖位置，且协调性随事件变化而调整。

**论文解读：单步上阶中多关节协同对足尖间隙的稳定作用**

**研究背景**
单步上阶（single-step ascent, SSA）是一项功能性任务，要求下肢关节活动范围大于平地行走。现有证据主要来自连续爬楼梯研究，表明其机械和神经肌肉需求高于平地行走（McFadyen & Winter, 1988; Nadeau et al., 2003; Hicheur et al., 2006）。成功执行SSA依赖于髋、膝、踝和骨盆的协调运动。足尖轨迹（本研究中定义为第二趾尖的轨迹）是评估中枢神经系统（central nervous system, CNS）如何控制肢体运动以确保安全跨越台阶的关键变量。两个生物力学相关事件与足尖间隙直接相关：前后间隙（anteroposterior clearance, APC）——足尖跨过台阶踏面水平时与台阶立板之间的水平距离；垂直间隙（vertical clearance, VC）——足尖越过立板时与踏面之间的垂直距离；以及上阶过程中的最大足尖高度（maximum toe height, HMAX）。APC不足会增加绊倒风险，而过量则可能要求对侧髋关节过度伸展，导致足部放置不佳；VC不足会导致接触立板并绊倒，过量则影响平衡和运动效率；HMAX的不足或过量同样影响足部放置效率和姿势稳定性。因此，精确调节足尖间隙至关重要。

先前研究已应用不稳流形（Uncontrolled Manifold, UCM）框架分析平地行走和跨越障碍物等运动任务，表明CNS组织关节变异性以稳定任务相关变量（如足尖轨迹）。然而，在机械和控制需求更高的SSA中，是否存在类似的关节角度变异性结构来稳定足尖位置仍不清楚。此外，可靠估计UCM方差分量所需的最小试验次数在SSA任务中尚未系统研究，而这对于保证分析结果的稳健性和可重复性至关重要。

**研究目的与意义**
本研究旨在：(i)确定获得可靠UCM结果所需的最小试验次数；(ii)检验多关节协同是否在APC、VC和HMAX三个事件中稳定足尖位置；(iii)比较这些事件间协同指数的强度。本研究作为概念验证，确立了将UCM分析应用于SSA的可行性，并为后续在老年人和临床人群中的研究提供方法学支持。论文发表在《Journal of Biomechanics》。

**主要关键技术方法**
研究人员招募了16名健康年轻成年人（8男8女，平均年龄26.3±6.3岁，身高167±10 cm，体重67±10 kg），所有参与者自报右脚为优势脚。使用八摄像头运动捕捉系统（Bonita, Vicon Motion Systems Ltd, Oxford, UK）以200 Hz记录运动学数据，在静态校准中放置43个反光标记，运动试验中保留29个技术标记。使用定制台阶（立板高17 cm，深度120 cm，宽度100 cm）。参与者先进行10次熟悉化SSA，然后完成60次正式试验（每10次为一组，试验间休息30秒，组间休息2分钟）。运动学数据经6 Hz低通滤波，计算优势侧踝、膝、髋关节矢状面角度以及骨盆倾斜和旋转角度，这些角度作为元素变量。通过多元线性回归建立足尖位置（前后和垂直方向）与四个关节角度之间的雅可比矩阵（J_AP和J_V），基于UCM框架将逐次试验的方差分解为UCM内的方差（V_UCM）和正交方差（V_ORT），并计算协同指数（ΔV_Z）。

**研究结果**

**1. 试验次数确定**
在受试者内分析中，不同个体和变量所需稳定估计的试验次数存在较大变异（从少于10次到多达50次），但大多数估计在20至35次之间收敛。采用保守阈值40次试验可以涵盖大多数观察结果。在受试者间分析中，通过组内相关系数（intraclass correlation coefficient, ICC）评估可靠性，V_UCM、V_ORT和ΔV_Z在25至35次试验时通常达到强可靠性（ICC>0.90），但直到40次试验才在所有变量和事件中持续达到高可靠性（ICC≥0.95）。因此，后续分析采用40次试验。

**2. UCM结果分析**
多元线性回归的确定系数（R²）表明四个关节角度（自由度, DOFs）对前后足尖位置（中位R²=0.983, 0.976–0.988）和垂直足尖位置（中位R²=0.978, 0.955–0.980）具有很强预测能力。单样本t检验显示，所有三个事件的ΔV_Z均显著大于零（APC: 0.39±0.27, t(15)=5.85, p<0.001, Cohen's d=1.46; VC: 0.50±0.32, t(15)=6.37, p<0.001, d=1.59; HMAX: 0.85±0.43, t(15)=7.86, p<0.001, d=1.97），表明存在多关节协同稳定足尖位置。

重复测量方差分析显示，事件对ΔV_Z有显著主效应（F(2,30)=13.31, p<0.001, η²_p=0.47），对log₁₀ V_UCM也有显著主效应（F(2,30)=37.37, p<0.001, η²_p=0.71），但对log₁₀ V_ORT无显著主效应（F(2,30)=0.75, p=0.481, η²_p=0.05）。事后比较表明，HMAX处的ΔV_Z和log₁₀ V_UCM均显著高于APC（ΔV_Z: p=0.005, d=0.95; V_UCM: p<0.001, d=1.58）和VC（ΔV_Z: p<0.001, d=1.26; V_UCM: p<0.001, d=1.72），而APC与VC之间无显著差异。这表明HMAX处更强的协同主要由增加的V_UCM驱动，而V_ORT保持稳定。

**讨论与结论**
本研究发现约需40次试验才能获得可靠UCM估计，这多于简单运动任务（如多指力产生和等长任务）所需的20–24次试验，反映了SSA任务的更高复杂度（包括大关节活动范围、高机械需求和精确的足尖轨迹控制）导致更大的变异性离散度。UCM分析在APC、VC和HMAX均得到正协同指数，表明CNS利用运动冗余（motor abundance）来稳定任务性能。HMAX处协同强度更大，因为一旦足尖越过台阶，CNS允许更大的关节协调灵活性；而APC和VC处由于接触台阶风险更高，需要更严格的轨迹调节。这些结果强调了任务需求对变异性调节的影响。研究局限包括样本仅限健康年轻人，以及UCM模型仅包含摆动腿的四个自由度。尽管这些发现对SSA具有特异性，但证明了UCM分析在该功能性任务中的可行性。

**结论部分翻译**：中枢神经系统组织多关节协同以稳定上阶过程中的足尖位置，所有关键事件的正协同指数证明了这一点。协同强度在HMAX处更大，由增加的V_UCM驱动，表明一旦足尖越过台阶，协调灵活性更大。约需40次试验才能获得可靠UCM估计，突显了任务复杂度对这些测量稳定性的影响。